前言
今天的文章將要介紹深度學習中其中一種演算法叫自組織地圖(SOM)。
介紹
自組織地圖是一種無監督機器學習技術，用於生成高維數據集的低維表示，使數據視覺化能夠通過自組織人工神經網路來減少數據的維度，數據視覺化試圖解決人類無法輕鬆可視化高維數據的問題。
運作模式
1.SOM初始化每個節點的權重，並從訓練數據中隨機選擇一個向量。
2.SOM檢查每個節點，以找出哪些權重最有可能是輸入向量。獲勝節點稱為最佳匹配單位。
3.SOM會發現最佳匹配單位的社區，並且鄰居的數量會隨著時間的推移而減少。
4.SOM授予樣本向量一個獲獎權重。節點離最佳匹配單位越近，其權重變化就越大。
5.鄰居離最佳匹配單位越遠，它學到的就越少。
圖片來源
https://kilong31442.medium.com/top-10-%E6%82%A8%E6%87%89%E8%A9%B2%E8%A6%81%E5%AD%B8%E6%9C%83%E7%9A%84%E6%B7%B1%E5%BA%A6%E5%AD%B8%E7%BF%92%E6%BC%94%E7%AE%97%E6%B3%95-fundamental-review-series-d8c69897e010
資料來源
https://kilong31442.medium.com/top-10-%E6%82%A8%E6%87%89%E8%A9%B2%E8%A6%81%E5%AD%B8%E6%9C%83%E7%9A%84%E6%B7%B1%E5%BA%A6%E5%AD%B8%E7%BF%92%E6%BC%94%E7%AE%97%E6%B3%95-fundamental-review-series-d8c69897e010
https://en.wikipedia.org/wiki/Self-organizing_map
iThome鐵人賽
看影片追技術